本文深入探讨了ReLU激活函数的作用及其在神经网络中的应用，详细解释了如何使用np.maximum()实现其功能。同时，介绍了权重初始化通常采用正态分布的方式，并通过np.random.normal()函数进行设置。此外，还阐述了数组形状转换的方法，如使用a.reshape()进行重塑，以及矩阵乘法的基本操作，如np.dot()函数的用法。这些基础知识对于理解和构建深度学习模型至关重要。
RELU激活函数：np.maximum(X, 0) 取最大值 如果X>0 值为X 如果X<0 值为0
初始化权重值：np.random.normal(scale=0.01, size=(X, Y)) 取正态分布值 维度为X，Y
转变数组形状：a.reshape(-1, num) 不管列数，num值作为列数变形
例：
矩阵乘法：np.dot(X，Y) X的列数和Y行数相同
例子：
X—>[a,b,c,d,e]
Y—>[[11,12,13],[21,22,23],[31,32,33],[41,42,43],[51,52,53])
结果[a*11+b*21+c*31+d*41+e*51,a*12+b*22+c*32+d*42+e*52,a*13+b*23+c*33+d*43+e*53]
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
